AI Agent 如何重构 App 稳定性治理流程
01
App 稳定性是用户体验的底线。一次闪退可能意味着一次用户流失,一个高频 crash 可能直接拖垮产品口碑。然而,在实际研发中,稳定性治理的排查效率远低于问题爆发的速度。
我们在日常的稳定性治理中持续面对这些痛点:
问题类型多
闪退(Crash)、ANR、卡顿、内存泄漏、OOM……每类问题的分析方法、工具链、经验知识都不同,缺少统一入口。
排查链路长
一次典型的 native crash 排查至少需要经历:日志收集 → 符号化 → 堆栈分析 → 代码定位 → 上下文还原 → 根因判断 → 修复验证。链路中任何一环出问题都会阻塞后续环节。
跨团队协作成本高
日志在平台侧、符号表在构建系统、源码在代码仓库、经验在专家脑中。证据分散,信息传递依赖人工对齐,耗时且容易遗漏。
关键瓶颈依赖专家经验
地址符号化工具配置繁琐,多线程归因需要深入理解线程模型,根因判断高度依赖对业务代码的熟悉程度。新人上手慢,老手产能被锁定在低级重复劳动上。
传统流程的典型链路如下图所示——节点越多、角色越多、信息传递越长,排查效率越低:
┌──────────────────────────────────────────────────────────────────────────┐│ 传统 App 稳定性排查流程 │├──────────────────────────────────────────────────────────────────────────┤│ ││ [监控平台] ──→ [值班同学] ──→ [手动下载日志] ││ │ ││ ▼ ││ [手动配置符号化工具] ││ addr2line / atos ││ │ ││ ▼ ││ [肉眼分析堆栈帧] ││ 区分系统帧 / 业务帧 ││ │ ││ ▼ ││ [手动查找源代码] ││ 对照行号逐文件翻阅 ││ │ ││ ▼ ││ [凭经验推断根因] ←── 需要资深专家 ││ │ ││ ▼ ││ [编写修复代码] ││ │ ││ ▼ ││ [提交 & 验证] ││ ││ 平均耗时:数小时 ~ 数天 瓶颈:专家经验 + 手动操作 │└──────────────────────────────────────────────────────────────────────────┘
面对这些问题,我们的思路是:构建一个统一的 App 稳定性分析 Agent,用 AI + 工具链自动完成"证据采集 → 推理分析 → 结论输出"全流程,把专家经验沉淀为可复用的系统能力。
02
我们提出的核心方案是:以统一的 Agent 作为稳定性分析入口,串联"证据采集、推理分析、结论输出"全流程。
核心设计思路
平台能力与场景能力解耦:先沉淀通用分析底座(日志解析、地址符号化、代码提取、LLM 推理),再按问题类型(Crash、ANR、卡顿等)扩展场景化分析策略。这样,底层工具链可复用,上层策略可替换。
多壳架构(Multi-Shell):Core 负责通用分析能力,CLI / Daemon / IDE Plugin 提供一致化入口与交互形态,满足不同使用场景。
总体架构
┌─────────────────────────────────────────────────────────────────┐│ 应用接入层(Entry Points) ││ ││ ┌─────────┐ ┌──────────────┐ ┌──────────┐ ┌────────┐ ││ │ CLI │ │ HTTP Daemon │ │ Python │ │ VSCode │ ││ │ 命令行 │ │ (SSE 流式) │ │ API │ │ Plugin │ ││ └────┬────┘ └──────┬───────┘ └────┬─────┘ └───┬────┘ ││ └────────────────┼────────────────┼───────────────┘ ││ │ │ │├─────────────────────────┼────────────────┼────────────────────────┤│ ▼ ▼ ││ ┌─────────────────────────────────┐ ││ │ Tool + Workflow 编排引擎 │ ││ │ (tool_system: Registry + │ ││ │ ConfigDrivenExecutor) │ ││ └───────────────┬─────────────────┘ ││ │ │├──────────────────────────────┼────────────────────────────────────┤│ ▼ ││ ┌──────────────┐ ┌──────────────┐ ┌──────────────────┐ ││ │ Crash Log │ │ Address │ │ Code Content │ ││ │ Parser │ │ Symbolizer │ │ Provider │ ││ │ (日志解析) │ │ (地址符号化) │ │ (代码上下文提取) │ ││ └──────────────┘ └──────────────┘ └──────────────────┘ ││ │ │├──────────────────────────────┼────────────────────────────────────┤│ ▼ ││ ┌───────────────────────────────┐ ││ │ AI Agent 推理层 │ ││ │ ┌─────────┐ ┌────────────┐ │ ││ │ │ RAG │ │ LLM │ │ ││ │ │ Rules + │ │ Direct / │ │ ││ │ │ Vectors │ │ LangChain /│ │ ││ │ │ │ │ LangGraph │ │ ││ │ └─────────┘ └────────────┘ │ ││ └───────────────────────────────┘ ││ │└─────────────────────────────────────────────────────────────────┘
当前聚焦:CLI 优先
在多壳架构中,我们当前优先打磨 CLI(命令行) 作为核心入口,并参照了Claude的交互方式。CLI 的优势在于:
无环境依赖:不需要启动 IDE 或 Daemon 服务,一条命令即可触发完整分析链路。
脚本化集成:天然适合 CI/CD 流水线、自动化测试、批量分析等场景。
调试友好:每步产出独立的 JSON 文件,便于排查工具链各环节的中间状态。
交互优先体验:对标 Claude CLI,可在终端向导内完成配置、分析与 AI 修复建议闭环;同时保留
--parse-only等参数模式用于自动化与高级场景。
Daemon 和 VSCode Plugin 均基于 CLI 的 Core 能力构建,CLI 稳定后上层自然受益。
为什么必须引入向量数据库:把分析能力做成“数据飞轮”
很多团队会把 AI 崩溃分析做成“一次性问答工具”:日志进来,模型回答,任务结束。短期看可用,长期看会遇到同一个问题——每次都从零开始。
我们引入向量数据库(与规则库、元数据层配合)的核心目的,是把稳定性分析从“单次推理”升级为“持续进化系统”,形成可复用的数据飞轮:
采集(Capture):每次分析沉淀结构化证据(崩溃特征、调用链片段、修复策略、采纳/拒绝反馈)。
检索(Retrieve):新问题到来时,先命中规则高置信路径,再做向量相似检索,快速复用历史经验。
反馈(Feedback):研发对建议的采用/拒绝会回写 Pattern 反馈,持续修正策略质量。
治理(Governance):通过衰减与 GC 机制清理低质量模式,保持知识库“新鲜且可信”。
收益(Compounding):同类问题越处理越快、建议命中率越高、新人上手门槛越低。
这也是 Stability Analysis Agent 与“只会对话的工具”本质差异:它不仅给答案,还会把答案背后的经验沉淀成组织资产。
03
当前 Agent 已具备完整的 App 闪退(Crash)自动分析能力,围绕该场景开发了专属的 Tool 和 Workflow。选择先做闪退场景的原因:
价值高:闪退是影响用户体验最直接的稳定性问题,排查优先级最高。
数据结构化:崩溃日志有明确的格式规范(Apple crash report、Android tombstone 等),便于自动化解析。
闪退分析链路
输入 输出 │ │┌────────────────────────▼───────────────────────────────▼────────────────┐│ ││ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────────┐ ││ │ Step 1 │ │ Step 2 │ │ Step 3 │ ││ │ crash_log_ │───▶│ add2line_ │───▶│ code_content_ │ ││ │ parser │ │ resolver │ │ provider │ ││ │ │ │ │ │ │ ││ │ 输入: │ │ 输入: │ │ 输入: │ ││ │ 原始崩溃日志 │ │ 解析结果JSON │ │ 符号化结果JSON │ ││ │ │ │ + 符号文件目录 │ │ + 源码根目录 │ ││ │ 输出: │ │ 输出: │ │ 输出: │ ││ │ 结构化解析结果 │ │ 函数名+文件+行号 │ │ 崩溃函数体 │ ││ │ (线程/帧/信号) │ │ 已符号化堆栈 │ │ + 调用链代码 │ ││ │ │ │ │ │ + 崩溃图谱 │ ││ └─────────────────┘ └─────────────────┘ └──────────┬──────────┘ ││ │ ││ ┌──────────────────────┘ ││ ▼ ││ ┌──────────────────────────────────────────────────────────────────┐ ││ │ Step 4: RAG 知识检索(可选) │ ││ │ ┌──────────┐ ┌──────────────┐ ┌────────────────────────┐ │ ││ │ │ Layer 1 │ │ Layer 2 │ │ Layer 3 │ │ ││ │ │ Rules │ │ Patterns │ │ Metadata │ │ ││ │ │ (SQLite) │ │ (ChromaDB) │ │ (SQLite) │ │ ││ │ │ 精确匹配 │ │ 语义相似检索 │ │ 证据/策略/指导块 │ │ ││ │ └──────────┘ └──────────────┘ └────────────────────────┘ │ ││ └──────────────────────────────────────────────────────────────────┘ ││ │ ││ ▼ ││ ┌──────────────────────────────────────────────────────────────────┐ ││ │ Step 5: LLM 推理分析(可选) │ ││ │ 综合所有上下文 → 生成根因分析 + 修复建议 │ ││ │ 支持 Direct / LangChain / LangGraph 三种引擎 │ ││ └──────────────────────────────────────────────────────────────────┘ ││ │ ││ ▼ ││ ┌──────────────────────────────────────────────────────────────────┐ ││ │ Step 6: 自动修复源码(可选) │ ││ │ AI 生成修复方案 → 函数级精确替换 → 备份原始文件 │ ││ │ Git 管理下可直接生成 Patch │ ││ └──────────────────────────────────────────────────────────────────┘ ││ │ ││ ▼ ││ ┌──────────────────────────┐ ││ │ 最终产出 │ ││ │ 修复后的源码文件 │ ││ │ + 分析报告 (JSON/MD) │ ││ │ + 原始源码备份 │ ││ └──────────────────────────┘ ││ │└──────────────────────────────────────────────────────────────────────────┘
链路编排代码
Workflow 是链路编排的核心单元。
以下是 BaseCrashAnalysisWorkflow.solve() 的关键实现:
# workflows/crash_analysis_workflow.pyclass BaseCrashAnalysisWorkflow(BaseWorkflow): def solve(self, problem: Dict[str, Any], context: WorkflowContext) -> Dict[str, Any]: crash_log = problem.get("crash_log", "") library_dir = problem.get("library_dir") code_roots = problem.get("code_roots", []) # Step 1: 解析崩溃日志 parse_result = context.execute_tool("crash_log_parser", { "log_content": crash_log }) # Step 2: 符号化地址(addr2line / atos) resolved = context.execute_tool("add2line_resolver", { "crash_json": json.dumps(parse_result), "library_dir": library_dir }) # Step 3: 提取代码上下文(崩溃函数体 + 调用链) code_c…